israeli-postgres-toolkit
面向以色列应用的 PostgreSQL 最佳实践与脚本集合，涵盖希伯来文索引与 ICU 排序规则、谢克尔（NIS）金额、以色列时区、Supabase 模式及常见以色列数据类型校验。要求 PostgreSQL 13+，部分特性需 PG 18。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-01 00:15
数据与分析
17,214 个结果
geophysical-inversion
地球物理数据反演工作流技能，覆盖从勘探数据加载、网格创建、正演模拟、反演迭代、网格化插值到三维结果可视化的完整流程。该技能整合 SimPEG、pyGIMLi、verde 与 pyvista 四个工具链，支持直流电阻率法/电阻率层析成像（ERT）、磁法、重力、电磁法（TDEM、FDEM）、地震折射（SRT）以及激发极化等方法的反演。技能给出 SimPEG 与 pyGIMLi 的选型决策表：标准近地表 ERT/SRT 常规排列建议用 pyGIMLi，多物理场联合反演、电磁法、位场或研究级自定义反演建议用 SimPEG。内容包含可直接运行的代码示例、标准 ERT 反演、重力/磁法反演、合成研究三类流程清单，以及常见问题排查表。适合地球物理勘探数据处理、地下结构建模与反演结果可视化场景。
ae-freeze-inactive-dashboards
该技能用于自动识别并冻结长期无人查看的看板。它依赖审计项目（Audit Project）中记录的 dashboard_search 事件数据，统计每个看板在过去 30/60/90 天（可配置）内的查询次数，将查询次数低于阈值（默认 1）的看板列为不活跃候选，并在用户明确确认后执行冻结操作。默认动作是冻结（分析看板冻结），而非删除，只有在用户明确要求删除时才会逐个确认后删除。所有操作通过 ae-cli 执行，需先完成 PROJECT_ID_GATE 项目确认，且必须先展示候选并取得用户明确确认后才进行任何写操作。
data-integration-assistant
用于排查 ThinkingData 数据集成问题的技能：涵盖 SDK 安装配置、事件上报、LogBus/DataX/Restful API 等数据管道配置及数据质量排查。
device-performance-analysis
面向 ThinkingData（TE）分析系统的 APP 性能诊断技能：自动匹配 TE v5.0 预置字段，围绕设备兼容、帧率卡顿、页面加载、崩溃异常与多维交叉五个场景输出分析结论，并给出优化与修复优先级建议。
drama-retention-analyzer
drama-retention-analyzer（短剧留存分析器）是一款面向短剧行业的留存归因分析工具，由 thinkingaiagenticengine/scenario-skills 提供。它通过五层漏斗模型（流量获取、开场钩子、剧情观看、付费转化、长期回流）系统性拆解短剧留存，并可选择进一步按用户分群、时间动态、社交传播、同题材对比、ROI 商业化等维度下钻分析，帮助定位留存问题的拐点并输出可执行策略。该工具面向短剧运营经理、数据分析师与内容制作人，数据源为 ThinkingData，通过 ae-cli 命令行访问（已验证 ae-cli 6.0.42），也支持直接 SQL 查询作为备选路径。适用行业为短剧（竖屏短剧、小程序剧、竖屏微短剧），不适用于长剧、影视、游戏或电商复购等非短剧内容的留存分析。
sql-performance-optimizer
面向SQL性能优化的技能：识别慢查询、不合理的索引与低效写法，结合执行计划给出可执行的SQL重写与调优建议，并专门支持Trino分区字段优化。核心要求是优化前后结果、行数、分组、精度完全一致。
te-user-id-debug
该技能用于诊断因客户端与服务端双端上报导致的用户碎片化问题，自动检测 Account ID 与 Distinct ID 缺失比例，分析用户行为序列定位碎片化成因，并给出代码级修复方案。
sentiment-report
sentiment-report 是一个投资情绪分析技能，通过 /sentiment-report 调用，并行获取新闻、Reddit 与 StockTwits 三个渠道的情绪数据，计算加权综合分并生成带数据来源日志的完整报告。
data-exploration
Data Exploration 是一个用于数据分析前的数据集探查技能，提供系统化的数据剖析方法。它帮助使用者了解数据的结构、质量与模式，包括表级结构理解、列级统计剖析、关系发现、质量评估、模式发现以及模式文档化等环节。该技能覆盖完整性评分、一致性检查、准确性指标、时效性评估，并给出分布分析、时间模式、分群发现和相关性探索等技术，同时提供模式文档模板与常见查询示例，适用于在正式分析前建立对数据集的可靠认知。
data-visualization
该技能提供用 Python（matplotlib、seaborn、plotly）创建有效数据可视化的指导，涵盖图表选择、代码模式、设计原则与无障碍考量，帮助根据数据关系选对图表并规范实现。
apache-beam-unified-batch-and-stream
该技能用于指导智能体构建 Apache Beam 流水线，统一批处理与流处理的逻辑。适用于设计 Beam 转换、窗口、运行器、重放行为等场景。它强调在保持可移植性的同时，不隐藏时间语义和运行器特定约束，覆盖流水线契约定义、可移植逻辑与运行器部署分离、窗口与触发器策略、状态与侧输入处理、测试与本地验证、部署扩展与可观测性等环节，并列出常见合理化误区、危险信号与验证清单。
data-catalog-and-discovery
该技能用于指导智能体完成数据目录、数据发现与元数据质量相关的工作流。当需要发布数据集、提升数据集可发现性、整理血缘关系、标签或归属信息，以及减少因团队找不到可信数据集而重复创建副本时使用。它强调把元数据、归属、血缘和使用上下文作为交付物，而非事后补充，并给出发现契约、血缘关联、信任信号、标签与元数据维护等步骤，以及常见误区和验证清单。
data-lake-and-zone-architecture
这是一个引导智能体进行数据湖与分区架构设计的技能。适用于定义原始层、精炼层、治理层或发布层，规划存储组织、数据保留策略，以及划分落地区、转换区与发布区职责。它帮助智能体设计清晰的湖区分区、数据集边界、所有权、生命周期规则和发布安全的存储约定，避免共享湖存储演变为数据沼泽。
data-migration-and-platform-cutover
该技能用于指导智能体处理数据迁移与平台切换工作流，适用于在系统之间迁移管道、表、契约、编排或工作负载的场景。它强调迁移不是一天完成的切换，而是需要规划并行运行、兼容层、验证以及安全切换。技能给出明确的适用时机（如从数据仓库迁移到另一个仓库、编排或计算系统之间的管道迁移、存储格式或表引擎重构、服务层重大切换），并提醒不要在缺少回滚与验证路径的情况下开始切换。工作流包含：定义迁移范围（源平台、目标平台、受影响数据集与作业、兼容性期望、切换窗口）；选择迁移模式（并行运行、影子验证、分阶段消费者切换、批量迁移加冻结窗口）；定义验证门（行数、指标对账、新鲜度一致性、模式兼容性、性能或成本验收）；让回滚真实可执行；在建立信心后有意退役旧路径。同时列出常见合理化借口与现实、红旗信号（回滚不可执行、消费者切换只是假设而非协调、验证仅限一次性行数、切换后新旧系统都被视为唯一真实来源）以及验证清单。
data-platform-operating-model-and-service-ownership
该技能用于指导智能体完成数据平台运营模型与服务归属设计，重点解决组织与运营问题，而非单纯技术问题。它帮助明确平台能力由谁负责、团队如何安全入驻、什么是黄金路径，以及共享数据平台上的支持、升级和服务边界如何运作。适用场景包括：定义中央平台团队职责、厘清平台团队与领域团队之间的交接、为新数据集/管道/使用方入驻设计黄金路径、记录支持层级、归属与升级路径、减少运营蔓延与平台责任不清。技能提出四步工作流：一、定义服务目录，列出受支持的平台能力、获批的黄金路径、自助服务与托管服务、支持边界与排除项；二、清晰分配归属，明确平台团队归属、领域团队归属、值班或支持预期、审批与升级路径；三、定义入驻与生命周期流程，覆盖新数据源接入、数据集入驻、访问请求、事件路由、弃用与退役；四、定义服务级别与护栏，包括支持层级、变更窗口、升级预期，以及必需的契约、验证与运营证据。技能同时列出常见合理化借口与红旗信号，并给出验证清单，强调运营模型应体现在文档、运行手册与实际平台工作流中，而不仅是组织架构图。
data-quality-platforms-and-rule-management
该技能用于指导智能体设计数据质量运营模型与工具选型。当问题不只是“写哪些检查”，而是质量项目如何跨工具、跨团队、跨发布阶段运作时使用。它帮助智能体在多种质量框架之间设计规则归属、严重级别、证据与执行策略，涵盖工具选择与组合、规则组合与严重级别模型设计、对齐 dbt tests、Great Expectations、Deequ、Cuallee、Soda 或仓库原生检查，以及决定哪些检查阻断发布、哪些仅发出警告，并提升数据质量控制的长期可维护性。
dataplex-and-bigquery-governance
该技能用于指导智能体在 Google Cloud Platform（GCP）上开展以 Dataplex 和 BigQuery 为核心的数据治理工作。适用于设计数据湖、区域（zones）、策略标签（policy tags）、元数据质量、数据血缘（lineage）以及可信发布模式等场景。技能强调治理不只是权限问题，还需要元数据、归属关系和策略边界共同支撑，并覆盖从治理边界定义、元数据与策略控制、湖仓治理对齐、受治理发布行为设计到日常运维验证的完整流程。
esg-and-sustainability-regulatory-reporting
该技能用于把 ESG、可持续发展与监管披露从表格工作升级为受治理的数据工程任务，帮助智能体构建可追溯的数据管道、重要性评估与方法学记录、价值链输入、审批路径和可供鉴证的证据。
file-and-partner-feed-ingestion
该技能指导智能体处理基于文件的伙伴数据源接入流程，适用于从SFTP、托管文件传输、共享存储桶或定期平面文件落地数据的场景，涵盖落地、校验、迟到文件处理、校验和清单控制、重放安全与发布边界设计。
lakehouse-table-format-engineering
该技能用于指导智能体进行湖仓表设计与开放表格式选型，适用于在 Iceberg、Delta、Hudi 之间做选择，或调整分区、快照保留、压缩、模式演进等场景。它强调把存储层当作架构决策，围绕表契约、格式选择、物理布局、计算引擎协同以及维护与恢复流程展开推理，帮助批处理与流式作业在共享湖仓表上协调工作。
openmetadata-datahub-and-openlineage
该技能用于指导智能体通过 OpenMetadata、DataHub 或兼容 OpenLineage 的系统，开展元数据平台与数据血缘工作流。适用于将元数据平台集成到交付流程、提升数据集发现与信任信号、跨管道捕获并验证血缘、将受治理数据集发布到开放目录生态、把 Spark、Airflow 或 dbt 的 OpenLineage 事件接入目录，以及为多团队环境定义元数据治理策略。技能强调元数据所有权与最小必填字段、血缘采集与执行面绑定、通过质量信号建立可信发现、将元数据发布纳入管道生命周期、多团队联邦治理，以及处理血缘准确性与漂移。
regional-data-compliance-and-sovereignty
该技能用于指导智能体处理跨司法辖区的数据合规、数据驻留、数据主权与跨境传输设计。当数据产品需要在多个司法辖区、行业或监管机构下运行时使用。它帮助智能体将法律与政策要求转化为存储位置、传输边界、访问、保留、删除和审计证据等工程决策。技能本身不构成法律建议，而是工程规划层，需与法律、隐私和合规负责人协作。
reverse-etl-and-operational-data-serving
该技能用于指导智能体设计并执行反向 ETL（Reverse ETL）与运营数据供给流程，即把数仓中经过治理的可信分析数据回传到业务系统、SaaS 工具和 API 中。它强调反向 ETL 不是简单的导出任务：运营侧目标系统会产生真实副作用并直接影响用户。技能覆盖四类场景：将数仓输出同步到 SaaS 工具、向运营系统发布分群/评分/实体属性、设计出站 API 或激活数据集、变更被运营消费的数据契约。工作流包括：定义出站契约（目标系统、主键映射、同步频率、字段语义、删除或取消同步行为）；理解目标系统约束（速率限制、API 语义、幂等行为、部分更新规则、回滚限制）；明确同步行为在 upsert、删除、去重、失败、重放上的处理方式；发布前评估业务风险；并监控投递结果与数据偏差。技能还列出常见错误认知（如“只是又一次导出”“出错可以重跑”“数仓模型已可信”）的对应事实，并给出红旗信号（缺少目标感知的主键映射、删除行为未定义、重放逻辑忽略外部副作用、同步失败只在业务用户投诉后才被发现）与验证清单（约束与契约显式、增删改重试行为已定义、业务副作用与回滚限制已考虑、投递成功与偏差可观测）。